Studi Perbandingan Deteksi Berita Hoaks Pada Berita Online Dengan Pendekatan Machine Learning Dan Deep Learning

Azis, Muhammad Hilmi (2025) Studi Perbandingan Deteksi Berita Hoaks Pada Berita Online Dengan Pendekatan Machine Learning Dan Deep Learning. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5027201049_Tugas Akhir.pdf - Accepted Version Restricted to Repository staff only until 1 April 2027. Download (3MB) | Request a copy

Abstract

Dalam era informasi yang serba cepat ini, penyebaran berita hoaks melalui berita online menjadi masalah yang semakin meresahkan. Berita hoaks dapat menyebabkan dampak negatif yang signifikan pada masyarakat, mulai dari kebingungan hingga tindakan yang merugikan berbasis informasi salah. Oleh karena itu, dibutuhkan metode yang efektif untuk mendeteksi dan memfilter informasi tidak kredibel tersebut. Penelitian ini berfokus pada berita hoaks pada berita online yang dikumpulkan dari website turnbackhoaks.id dan detik.com selanjutnya data masuk ke tahap preprocessing untuk kemudian siap digunakan pada pengembangan model Machine Learning dan Deep learning yang meliputi algoritma Naive Bayes, Support Vector Machine (SVM),Long Short-Term Memory (LSTM),Recurrent Neural Network (RNN), selanjutnya dilakukan tahap evaluasi menilai sejauh mana kinerja model dalam mengklasifikasi sentiment dengan berbagai metrik yang digunakan, termasuk akurasi, precision, recall, dan f1-score.Dengan akurasi sebesar 87%, precision 85%, recall 86%, dan f1 Score 85%. Hasil dari studi ini diharapkan dapat memberikan wawasan baru dalam membangun sistem deteksi hoaks yang lebih akurat dan efisien. Ini penting dalam membantu memerangi penyebaran informasi palsu dan memastikan integritas informasi yang dikonsumsi oleh publik. Penggunaan vektorisasi TF-IDF dan model klasifikasi Naïve Bayes memiliki performa terbaik dari semua model yang digunakan pada penelitia ini.
==================================================================================================================================
In this fast-paced information age, the spread of hoax news through online news has become an increasingly troubling issue. Hoax news can cause significant negative impacts on society, ranging from confusion to harmful actions based on misinformation. Therefore, an effective method is needed to detect and filter such non-credible information. This research focuses on hoax news on online news collected from the websites turnbackhoaks.id and detik. The data then enters the preprocessing stage to be ready for use in the development of Machine Learning and Deep learning models which include Naive Bayes, Support Vector Machine (SVM), Long Short-Term Memory (LSTM), Recurrent Neural Network (RNN) algorithms, then the evaluation stage is carried out to assess the extent of the model's performance in classifying sentiment with various metrics used, including accuracy, precision, recall, and f1-score.With accuracy of 87%, precision 85%, recall 86%, and f1 Score 85%. The results of this study are expected to provide new insights in building a more accurate and efficient hoax detection system. This is important in helping to combat the spread of false information and ensuring the integrity of information consumed by the public. The use of TF-IDF vectorization and Naïve Bayes classification model has the best performance of all models used in this research.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Deteksi berita hoaks, machine learning, deep learning, analisis sentimen, vektorisasi TF-IDF, Hoax news detection, sentiment analysis, TF-IDF vectorization
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	MUHAMMAD HILMI AZIS
Date Deposited:	24 Jan 2025 07:49
Last Modified:	24 Jan 2025 07:49
URI:	http://repository.its.ac.id/id/eprint/116821

Actions (login required)

View Item